Installieren Sie externe Bibliotheken und Kernel in Amazon SageMaker Studio Classic - Amazon SageMaker KI
Tools zur Installation von PaketenInstallieren Sie Pakete mithilfe von Lebenszykluskonfigurationen

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Installieren Sie externe Bibliotheken und Kernel in Amazon SageMaker Studio Classic

Wichtig

Seit dem 30. November 2023 heißt das vorherige Amazon SageMaker Studio-Erlebnis jetzt Amazon SageMaker Studio Classic. Der folgende Abschnitt bezieht sich speziell auf die Verwendung der Studio Classic-Anwendung. Informationen zur Verwendung der aktualisierten Studio-Oberfläche finden Sie unterAmazon SageMaker Studio.

Bei Amazon SageMaker Studio Classic-Notebooks sind bereits mehrere Images installiert. Diese Images enthalten Kernel und Python-Pakete, darunter scikit-learn, Pandas,,, und NumPy. TensorFlow PyTorch MXNet Sie können auch Ihre eigenen Images installieren, die Pakete und Kernel Ihrer Wahl enthalten. Weitere Informationen zum Installieren Ihres eigenen Images finden Sie unter Bringen Sie Ihr eigenes SageMaker KI-Image mit.

Die verschiedenen Jupyter-Kernel in Amazon SageMaker Studio Classic-Notebooks sind separate Conda-Umgebungen. Informationen zu conda-Umgebungen finden Sie unter Verwalten von Umgebungen.

Tools zur Installation von Paketen

Wichtig

Derzeit sind alle Pakete in SageMaker Amazon-Notebooks für die Verwendung mit Amazon SageMaker AI lizenziert und erfordern keine zusätzlichen kommerziellen Lizenzen. Dies kann sich jedoch in future ändern, und wir empfehlen, die Lizenzbedingungen regelmäßig auf Aktualisierungen zu überprüfen.

Die Methode, mit der Sie Python-Pakete vom Terminal aus installieren, unterscheidet sich je nach Image. Studio Classic unterstützt die folgenden Tools zur Paketinstallation:

  • Notebooks – Die folgenden Befehle werden unterstützt. Wenn eine der folgenden Optionen bei Ihrem Image nicht funktioniert, versuchen Sie es mit der anderen.

    • %conda install

    • %pip install

  • Das Jupyter-Terminal – Sie können Pakete direkt mit pip und conda installieren. Sie können auch apt-get install verwenden, um Systempakete über das Terminal zu installieren.

Anmerkung

Wir empfehlen nichtpip install --user, pip install -u oder zu verwenden, da diese Befehle Pakete auf dem Amazon EFS-Volume des Benutzers installieren und möglicherweise JupyterServer App-Neustarts blockieren können. Verwenden Sie stattdessen eine Lebenszykluskonfiguration, um die erforderlichen Pakete bei App-Neustarts neu zu installieren, wie unter Installieren Sie Pakete mithilfe von Lebenszykluskonfigurationen gezeigt.

Wir empfehlen die Verwendung von %pip und %conda zur Installation von Paketen aus einem Notebook heraus, da sie die aktive Umgebung oder den verwendeten Interpreter korrekt berücksichtigen. Weitere Informationen finden Sie unter Hinzufügen der magischen Funktionen %pip und %conda. Sie können auch die Systembefehlssyntax verwenden (Zeilen, die mit! beginnen) um Pakete zu installieren. Beispiel: !pip install und !conda install.

Conda

Conda ist ein Open-Source-Paketverwaltungs- und Umgebungsverwaltungssystem, das Pakete und ihre Abhängigkeiten installieren kann. SageMaker AI unterstützt die Verwendung von Conda mit dem Conda-Forge-Kanal. Weitere Informationen finden Sie unter Konfigurieren Conda-Kanals. Der Conda-Forge-Kanal ist ein Community-Kanal, in dem Mitwirkende Pakete hochladen können.

Anmerkung

Die Installation von Paketen aus Conda-Forge kann bis zu 10 Minuten dauern. Das Timing bezieht sich darauf, wie Conda den Abhängigkeitsgraphen auflöst.

Alle von SageMaker KI bereitgestellten Umgebungen sind funktionsfähig. Vom Benutzer installierte Pakete funktionieren möglicherweise nicht richtig.

Conda hat zwei Methoden zur Aktivierung von Umgebungen: conda activate, und source activate. Weitere Informationen finden Sie unter Verwalten der Umgebung.

Unterstützte conda-Operationen

  • conda install eines Pakets in einer einzigen Umgebung

  • conda install eines Pakets in allen Umgebungen

  • Installation eines Pakets aus dem Conda-Hauptrepositorium

  • Ein Paket von Conda-Forge installieren

  • Ändern des Conda-Installationsverzeichnisses zur Verwendung von Amazon EBS

  • Unterstützt sowohl conda activate als auch source activate

Pip

Pip ist das Tool zur Installation und Verwaltung von Python-Paketen. Pip sucht standardmäßig nach Paketen im Python-Paketindex (PyPI). Im Gegensatz zu Conda hat Pip keine integrierte Umgebungsunterstützung. Daher ist Pip nicht so gründlich wie Conda, wenn es um Pakete mit systemeigenen Abhängigkeiten oder Systembibliotheksabhängigkeiten geht. Pip kann verwendet werden, um Pakete in Conda-Umgebungen zu installieren. Sie können alternative Paket-Repositorys mit pip anstelle von PyPI verwenden.

Unterstützte pip-Vorgänge

  • Verwenden Sie Pip, um ein Paket ohne aktive Conda-Umgebung zu installieren

  • Verwenden von Pip, um ein Paket in einer Conda-Umgebung zu installieren

  • Verwenden Sie Pip, um ein Paket in allen Conda-Umgebungen zu installieren

  • Ändern des Pip-Installationsverzeichnisses zur Verwendung von Amazon EBS

  • Verwenden eines alternativen Repositorys zur Installation von Paketen mit Pip

Nicht unterstützt

SageMaker KI zielt darauf ab, so viele Paketinstallationsvorgänge wie möglich zu unterstützen. Wenn die Pakete jedoch von SageMaker AI installiert wurden und Sie die folgenden Operationen für diese Pakete ausführen, kann dies Ihre Umgebung instabil machen:

  • Deinstallieren

  • Herabstufung

  • Wird geupgradet

Aufgrund potenzieller Probleme mit den Netzwerkbedingungen oder -konfigurationen oder der Verfügbarkeit von Conda oder PyPi werden Pakete möglicherweise nicht in einem festen oder deterministischen Zeitraum installiert.

Anmerkung

Der Versuch, ein Paket in einer Umgebung mit inkompatiblen Abhängigkeiten zu installieren, kann zu einem Fehler führen. Wenn Probleme auftreten, können Sie sich an den Bibliotheksbetreuer wenden, um die Paketabhängigkeiten zu aktualisieren. Wenn Sie die Umgebung ändern, z. B. bestehende Pakete entfernen oder aktualisieren, kann dies zu einer Instabilität dieser Umgebung führen.

Installieren Sie Pakete mithilfe von Lebenszykluskonfigurationen

Installieren Sie benutzerdefinierte Images und Kernel auf dem Amazon EBS-Volume der Studio Classic-Instance, sodass sie bestehen bleiben, wenn Sie das Notebook beenden und neu starten, und dass alle externen Bibliotheken, die Sie installieren, nicht von AI aktualisiert werden. SageMaker Verwenden Sie dazu eine Lebenszykluskonfiguration, die sowohl ein Skript enthält, das beim Erstellen des Notebooks ausgeführt wird (on-create), als auch ein Skript, das bei jedem Neustart des Notebooks ausgeführt wird (on-start). Weitere Informationen zur Verwendung von Lebenszykluskonfigurationen mit Studio Classic finden Sie unter. Verwenden Sie Lebenszykluskonfigurationen, um Studio Classic anzupassen Beispiele für Lebenszykluskonfigurationsskripte finden Sie unter Beispiele für die Lebenszykluskonfiguration von SageMaker AI Studio Classic.